2020.08.12

AI와 머신러닝으로 자율 운영 데이터센터를 구현하는 방법

Neal Weinberg | Network World
인공 지능(AI)을 둘러싼 대부분의 소문은 자율주행 자동차, 챗봇, 디지털 트윈 기술, 로봇, AI 기반 ‘스마트’ 시스템을 이용해 대규모 데이터 세트에서 비즈니스 통찰을 추출하는 일에 집중되어 있다. 하지만 AI와 머신러닝은 언젠가 기업 데이터센터 내부의 서버 랙 안에서 중요한 역할을 할 것이다. 
 
ⓒ Getty Images Bank

AI가 데이터센터 효율성을 높임으로써 비즈니스를 더욱 발전시킬 수 있는 잠재력은 4가지 주요 카테고리로 분류된다.
 
  • 전력 관리 : AI 기반 전력 관리는 냉난방 시스템을 최적화해 전기 비용을 절감하고 관리 인력을 줄이고 효율성을 높일 수 있다. 이 분야의 대표적인 솔루션 업체로는 슈나이더 일렉트릭(Schneider Electric), 지멘스(Siemens), 버티브(Vertiv), 이튼(Eaton Corp) 등이 있다.
 
  • 장비 관리 : AI 시스템은 서버, 스토리지, 네트워킹 장비의 상태를 모니터링하고 시스템이 여전히 적절히 구성되어 있는지 확인하며, 장비의 고장 시기를 예측할 수 있다. 가트너에 따르면, AI옵스 IT 인프라 관리카테고리의 솔루션 업체로는 옵스램프(OpsRamp), 데이터독(Datadog), 버타나(Virtana), 사이언스로직(ScienceLogic), 제노스(Zenoss) 등이 있다.
 
  • 워크로드 관리 : AI 시스템은 온프레미스, 클라우드, 엣지 환경 간에, 또 데이터센터 내부 및 하이브리드 클라우드 환경 내에서 실시간으로 워크로드를 가장 효율적인 인프라로 자동으로 옮길 수 있다. 레드우드(Redwood), 타이달 오토메이션(Tidal Automation), 이그니오(Ignio) 등 AI 기반 워크로드 최적화를 제공하는 전문업체가 증가하고 있다. 시스코, IBM, VM웨어 등도 관련 솔루션을 제공한다.
 
  • 보안 : AI 툴은 정상적인 트래픽이 무엇인지 ‘학습’하고 이상 트래픽을 찾아내며, 보안 실무자의 관심이 필요한 경보의 우선순위를 설정하고 문제의 사후 분석을 지원하며 기업 보안 방어선의 허점에 대한 권고사항을 제공할 수 있다. 이런 기능을 제공하는 솔루션 업체는 벡트라AI(VectraAI), 다크트레이스(Darktrace), 엑스트라홉(ExtraHop), 시스코(Cisco) 등이 있다.

이 모든 것을 고려할 때 AI는 사람의 개입이 거의 필요 없고 높은 수준의 효율성과 회복성을 갖추고 운영되는 매우 자동화되고 안전하며 스스로 수리하는 데이터센터를 구축하는 데 도움이 될 것이다.

델 테크놀로지스의 글로벌 CTO실 소속 엔지니어 사이드 타벳은 “AI 자동화가 확장되어 인간의 역량을 넘어서는 수준으로 데이터를 분석하고, 에너지 사용 최적화에 필수불가결한 인사이트를 모으고, 워크로드를 분산시키고 효율성을 극대화해 더 높은 수준의 데이터센터 자산 활용도를 달성할 것이다”라고 설명했다.

물론, 자율주행 자동차와 마찬가지로 자율 데이터센터도 아직 완성되지 않았다. 데이터센터에는 AI가 통과해야 할 상당한 기술, 운영, 인력의 장벽이 있다. 현재 도입 초기이긴 하지만 잠재적인 이점 때문에 기업은 계속 변화의 기회를 찾을 것이다.
 

서버 워크로드 관리에 접근하는 전력 관리

데이터센터는 전 세계 전기 공급량의 3%를 소비하고 약 2%의 온실 가스를 배출하는 것으로 추산된다. 많은 기업이 비용을 절감하고 환경적 책임을 지기 위해 데이터센터 전력 관리를 면밀히 살피고 있는 것이 당연한 일이다.

451 리서치의 수석 애널리스트 다니엘 비조는 AI 기반 시스템이 데이터센터 운영자가 공기 흐름을 방해하는 고밀도 캐비닛, 성능이 부족한 HVAC 장치, 열기와 냉기 통로 사이의 부족한 공기 분리 등으로 인해 찬 공기를 제대로 공급하지 못하는 현재의 또는 잠재적인 냉각 문제를 이해하는 데 도움이 될 수 있다고 말했다.

비조는 “AI는 단순히 좋은 시설 설계로 가능한 것 이상의 이점을 제공한다. AI 시스템은 데이터센터 안에서 HVAC 시스템 데이터와 환경 감지 값을 상호 연계해 시설을 학습할 수 있다”라고 설명했다.

IT 자문 및 컨설팅 업체인 스토리지IO의 설립자 그렉 슐츠는 “전력 관리는 손쉽게 달성할 수 있는 목표이다. 현재 중요한 것은 생산성, BTU당 작업 처리 효율 증가, 와트당 작업 처리량 증가, 즉, 더 스마트하게 일하고 장비를 더 스마트하게 운용하는 것이다”라고 덧붙였다.
또한 용량 계획 측면도 존재한다. 핫스팟과 쿨스팟을 찾는 것 외에 AI 시스템은 데이터센터가 적절한 수의 물리 서버에 전력을 공급하고 일시적인 수요 증가 시 새로운 물리 서버를 구성(해제)할 수 있는 용량을 확보할 수 있다.

슐츠는 전력 관리 도구가 발전하면서 장비와 워크로드를 관리하는 시스템에 통합되고 있다고 덧붙였다. 예를 들어, 센서가 과도한 서버 온도를 감지하면 시스템이 워크로드를 활용도가 낮은 서버로 신속하게 자동으로 이동시켜 업무에 필수적인 애플리케이션에 영향을 미칠 수 있는 잠재적인 서비스 중단을 방지할 수 있다. 그리고 시스템이 서버 과열 문제를 조사할 수 있다. 고장 난 팬(HVAC 문제), 곧 고장 난 물리적인 부품(장비 문제), 서버 과부하(워크로드 문제) 등이 원인일 수 있다. 
 

AI를 통한 상태 모니터링, 구성 관리 감독

데이터센터는 정기적인 유지보수가 필요한 물리 장비로 가득 차 있다. AI 시스템은 예약된 유지보수의 수준을 넘어 즉각적인 주의가 요구되는 특정 영역을 찾을 수 있는 원격측정 데이터 수집 및 분석을 지원한다. 슐츠는 “AI 툴은 모든 데이터를 분석해 패턴을 찾아 이상을 발견할 수 있다”라고 말했다.



2020.08.12

AI와 머신러닝으로 자율 운영 데이터센터를 구현하는 방법

Neal Weinberg | Network World
인공 지능(AI)을 둘러싼 대부분의 소문은 자율주행 자동차, 챗봇, 디지털 트윈 기술, 로봇, AI 기반 ‘스마트’ 시스템을 이용해 대규모 데이터 세트에서 비즈니스 통찰을 추출하는 일에 집중되어 있다. 하지만 AI와 머신러닝은 언젠가 기업 데이터센터 내부의 서버 랙 안에서 중요한 역할을 할 것이다. 
 
ⓒ Getty Images Bank

AI가 데이터센터 효율성을 높임으로써 비즈니스를 더욱 발전시킬 수 있는 잠재력은 4가지 주요 카테고리로 분류된다.
 
  • 전력 관리 : AI 기반 전력 관리는 냉난방 시스템을 최적화해 전기 비용을 절감하고 관리 인력을 줄이고 효율성을 높일 수 있다. 이 분야의 대표적인 솔루션 업체로는 슈나이더 일렉트릭(Schneider Electric), 지멘스(Siemens), 버티브(Vertiv), 이튼(Eaton Corp) 등이 있다.
 
  • 장비 관리 : AI 시스템은 서버, 스토리지, 네트워킹 장비의 상태를 모니터링하고 시스템이 여전히 적절히 구성되어 있는지 확인하며, 장비의 고장 시기를 예측할 수 있다. 가트너에 따르면, AI옵스 IT 인프라 관리카테고리의 솔루션 업체로는 옵스램프(OpsRamp), 데이터독(Datadog), 버타나(Virtana), 사이언스로직(ScienceLogic), 제노스(Zenoss) 등이 있다.
 
  • 워크로드 관리 : AI 시스템은 온프레미스, 클라우드, 엣지 환경 간에, 또 데이터센터 내부 및 하이브리드 클라우드 환경 내에서 실시간으로 워크로드를 가장 효율적인 인프라로 자동으로 옮길 수 있다. 레드우드(Redwood), 타이달 오토메이션(Tidal Automation), 이그니오(Ignio) 등 AI 기반 워크로드 최적화를 제공하는 전문업체가 증가하고 있다. 시스코, IBM, VM웨어 등도 관련 솔루션을 제공한다.
 
  • 보안 : AI 툴은 정상적인 트래픽이 무엇인지 ‘학습’하고 이상 트래픽을 찾아내며, 보안 실무자의 관심이 필요한 경보의 우선순위를 설정하고 문제의 사후 분석을 지원하며 기업 보안 방어선의 허점에 대한 권고사항을 제공할 수 있다. 이런 기능을 제공하는 솔루션 업체는 벡트라AI(VectraAI), 다크트레이스(Darktrace), 엑스트라홉(ExtraHop), 시스코(Cisco) 등이 있다.

이 모든 것을 고려할 때 AI는 사람의 개입이 거의 필요 없고 높은 수준의 효율성과 회복성을 갖추고 운영되는 매우 자동화되고 안전하며 스스로 수리하는 데이터센터를 구축하는 데 도움이 될 것이다.

델 테크놀로지스의 글로벌 CTO실 소속 엔지니어 사이드 타벳은 “AI 자동화가 확장되어 인간의 역량을 넘어서는 수준으로 데이터를 분석하고, 에너지 사용 최적화에 필수불가결한 인사이트를 모으고, 워크로드를 분산시키고 효율성을 극대화해 더 높은 수준의 데이터센터 자산 활용도를 달성할 것이다”라고 설명했다.

물론, 자율주행 자동차와 마찬가지로 자율 데이터센터도 아직 완성되지 않았다. 데이터센터에는 AI가 통과해야 할 상당한 기술, 운영, 인력의 장벽이 있다. 현재 도입 초기이긴 하지만 잠재적인 이점 때문에 기업은 계속 변화의 기회를 찾을 것이다.
 

서버 워크로드 관리에 접근하는 전력 관리

데이터센터는 전 세계 전기 공급량의 3%를 소비하고 약 2%의 온실 가스를 배출하는 것으로 추산된다. 많은 기업이 비용을 절감하고 환경적 책임을 지기 위해 데이터센터 전력 관리를 면밀히 살피고 있는 것이 당연한 일이다.

451 리서치의 수석 애널리스트 다니엘 비조는 AI 기반 시스템이 데이터센터 운영자가 공기 흐름을 방해하는 고밀도 캐비닛, 성능이 부족한 HVAC 장치, 열기와 냉기 통로 사이의 부족한 공기 분리 등으로 인해 찬 공기를 제대로 공급하지 못하는 현재의 또는 잠재적인 냉각 문제를 이해하는 데 도움이 될 수 있다고 말했다.

비조는 “AI는 단순히 좋은 시설 설계로 가능한 것 이상의 이점을 제공한다. AI 시스템은 데이터센터 안에서 HVAC 시스템 데이터와 환경 감지 값을 상호 연계해 시설을 학습할 수 있다”라고 설명했다.

IT 자문 및 컨설팅 업체인 스토리지IO의 설립자 그렉 슐츠는 “전력 관리는 손쉽게 달성할 수 있는 목표이다. 현재 중요한 것은 생산성, BTU당 작업 처리 효율 증가, 와트당 작업 처리량 증가, 즉, 더 스마트하게 일하고 장비를 더 스마트하게 운용하는 것이다”라고 덧붙였다.
또한 용량 계획 측면도 존재한다. 핫스팟과 쿨스팟을 찾는 것 외에 AI 시스템은 데이터센터가 적절한 수의 물리 서버에 전력을 공급하고 일시적인 수요 증가 시 새로운 물리 서버를 구성(해제)할 수 있는 용량을 확보할 수 있다.

슐츠는 전력 관리 도구가 발전하면서 장비와 워크로드를 관리하는 시스템에 통합되고 있다고 덧붙였다. 예를 들어, 센서가 과도한 서버 온도를 감지하면 시스템이 워크로드를 활용도가 낮은 서버로 신속하게 자동으로 이동시켜 업무에 필수적인 애플리케이션에 영향을 미칠 수 있는 잠재적인 서비스 중단을 방지할 수 있다. 그리고 시스템이 서버 과열 문제를 조사할 수 있다. 고장 난 팬(HVAC 문제), 곧 고장 난 물리적인 부품(장비 문제), 서버 과부하(워크로드 문제) 등이 원인일 수 있다. 
 

AI를 통한 상태 모니터링, 구성 관리 감독

데이터센터는 정기적인 유지보수가 필요한 물리 장비로 가득 차 있다. AI 시스템은 예약된 유지보수의 수준을 넘어 즉각적인 주의가 요구되는 특정 영역을 찾을 수 있는 원격측정 데이터 수집 및 분석을 지원한다. 슐츠는 “AI 툴은 모든 데이터를 분석해 패턴을 찾아 이상을 발견할 수 있다”라고 말했다.



X